notebooklm — команда для Claude Code: что делает и как установить
Команда notebooklm синтезирует заметки из хранилища Obsidian через Gemini File Search без браузера. Помогает извлекать выводы строго по личной базе знаний.
MIT ★ 5 412 обновлён 2026-10-24
/plugin marketplace add eugeniughelbur/obsidian-second-brain
/plugin install obsidian-second-brain@obsidian-second-brainЧто делает notebooklm
Команда запускает скрипт, который находит 12 подходящих заметок в хранилище Obsidian и загружает их во временное хранилище Gemini File Search. Модель gemini-2.5-flash формирует ответ с опорой только на эти материалы. Итоговый отчёт записывается в папку Research/NotebookLM/, после чего удалённое файловое хранилище сразу стирается.
Дальше запускается цепочка сохранения. Агент читает полученный синтез и распределяет связи по проектам, людям и задачам через параллельные субагенты. Новая заметка автоматически линкуется из ежедневной заметки. Без действующего ключа GEMINI_API_KEY в файле ~/.config/obsidian-second-brain/.env команда завершится с ошибкой.
Какие задачи решает
- собрать аналитику по теме строго на основе заметок личного хранилища
- связать выводы исследования с карточками проектов и людей
- добавить ссылку на новый синтез в ежедневную заметку Obsidian
- сопоставить выводы из личных заметок с внешними источниками
Примеры запросов агенту
- /notebooklm архитектура микросервисов
- /notebooklm стратегия развития продукта
- /notebooklm личные цели на квартал
Как установить notebooklm
1Через маркетплейс плагинов
/plugin marketplace add eugeniughelbur/obsidian-second-brain/plugin install obsidian-second-brain@obsidian-second-brain2Вручную: положить файлы
.claude/commands/notebooklm.mdВызов — /notebooklm. Для всех проектов — ~/.claude/commands/
Вручную: положить файлы
~/.codex/prompts/notebooklm.mdВызов — /prompts:notebooklm. В Codex этот формат помечен устаревшим, замена — скиллы
Вручную: положить файлы
.github/prompts/notebooklm.prompt.mdВручную: положить файлы
.gemini/commands/notebooklm.tomlGemini хранит команды в TOML: текст запроса — в поле prompt
Вопросы о notebooklm
Как установить notebooklm в Claude Code?
Выполните две команды по очереди: /plugin marketplace add eugeniughelbur/obsidian-second-brain и затем /plugin install obsidian-second-brain@obsidian-second-brain.
Что делает команда notebooklm?
Она отбирает 12 релевантных заметок в Obsidian, отправляет их в Gemini File Search и генерирует структурированный отчёт. Затем скрипт связывает файл с ежедневной заметкой и обновляет затронутые сущности.
Что нужно настроить перед первым запуском?
Нужно прописать GEMINI_API_KEY в файле ~/.config/obsidian-second-brain/.env. По умолчанию используется gemini-2.5-flash, но модель можно сменить через переменную NOTEBOOKLM_MODEL.
Исходный текст
notebooklm.md · MIT
--- description: Vault-first source-grounded research via Gemini File Search. One command, no browser. The grounded parallel to /research-deep (which is open-web via Perplexity). category: research triggers_en: ["notebooklm", "research grounded", "ground research in vault", "ask my notebook", "source-grounded research"] triggers_de: ["NotebookLM", "quellenbasierte Recherche", "Recherche mit meinem Vault", "frag mein Notebook", "Recherche auf Basis meiner Quellen"] triggers_es: ["notebooklm", "investigación fundamentada en mis notas", "basa esto en mi vault", "pregúntale a mis notas", "investigación con fuentes propias", "investiga en mis notas"] triggers_pt: ["notebooklm", "pesquisa ancorada", "ancore a pesquisa no vault", "pergunte ao meu notebook", "pesquisa ancorada em fontes"] triggers_zh: ["用我的资料做研究", "基于知识库回答", "问问我的笔记", "做有来源依据的研究", "用 NotebookLM 研究"] --- Use the obsidian-second-brain skill. Execute `/notebooklm [topic]`: 1. Resolve the topic from the user's argument. If no topic, ask: "What topic for source-grounded research?" 2. Run the script from the skill root (its absolute path was given at session start as **Skill root**; substitute it for `SKILL_ROOT`): ```bash uv run --directory "SKILL_ROOT" -m scripts.research.notebooklm --topic "<topic>" ``` 3. The script does the whole flow end-to-end: - Scans the vault for the top 12 relevant notes (same shape as `/research-deep` Phase 1). - Uploads them to a fresh Gemini File Search store. - Asks Gemini (default `gemini-2.5-flash`, override via `NOTEBOOKLM_MODEL` env) for a synthesis grounded against those sources. - Writes the AI-first synthesis to `Research/NotebookLM/YYYY-MM-DD - <slug>.md`. - Deletes the File Search store so nothing is left behind. - Emits a `<<<NOTEBOOKLM_PROPAGATION_PAYLOAD>>>` JSON block. 4. **After save, do the propagation step.** Same flow as `/research-deep`: - Parse the propagation payload. - Read the saved synthesis at `saved_note`. - Treat the synthesis as the "conversation context" input to `/obsidian-save`. - Run the standard `/obsidian-save` flow: spawn parallel subagents (People, Projects, Tasks, Decisions, Ideas) and update vault notes per any "Recommended next reads or angles" bullets if they map to entities or projects. - Link the new synthesis note from today's daily note. 5. Report back to the user: "Saved [[YYYY-MM-DD - <slug>]] to Research/NotebookLM/. Linked from today's daily note. Updated [[X]], created [[Y]]." 6. Plain English triggers: "notebooklm this", "ground research on X using my vault", "source-grounded research on X", "ask my own notes about X". 7. When to choose `/notebooklm` over `/research-deep`: - `/research-deep` (Perplexity + Grok): when you want OPEN-WEB + X-discourse coverage. Cost: $0.20-0.80. - `/notebooklm` (Gemini File Search): when you want answers GROUNDED IN your own vault. Cost: ~$0.01-0.05. - Run both for high-value topics. The web view and the grounded view rarely contradict, and the contradictions are where the insight is. 8. Configuration: requires `GEMINI_API_KEY` in `~/.config/obsidian-second-brain/.env`. Get one free at https://aistudio.google.com/apikey. Optional `NOTEBOOKLM_MODEL` override (default `gemini-2.5-flash`). --- **AI-first rule:** Every note created or updated by this command MUST follow `references/ai-first-rules.md`. If that path does not resolve from your working directory, search upward for it; if you still cannot read it, say so before writing rather than producing a note that silently skips the rule. The saved synthesis at `Research/NotebookLM/YYYY-MM-DD - <slug>.md` follows the template baked into the script (preamble, frontmatter, vault-baseline links, response verbatim). Do not strip those. **Anti-fabrication:** Search exhaustively before claiming any note, person, or file is absent - false absence is the most common failure mode - and never invent facts, entities, or dates (mark unknowns as `TBD`). See the anti-fabrication and search-completeness hard rules in `references/ai-first-rules.md`. **Why Gemini File Search and not the browser:** NotebookLM has no public API for personal Google accounts. Gemini File Search (generally available, plain API key, same Gemini model family) gives the same architectural shape: source-grounded retrieval, multi-document context, citation-style synthesis. One HTTP call, no manual paste step. **Cost:** $0.15 per million tokens indexed, storage free, generation at standard Gemini token rates. For a 12-note vault bundle (~30K tokens), expect $0.01-0.05 per run.
© Eugeniu Ghelbur · MIT · eugeniughelbur/obsidian-second-brain